Sighthound

ชุดเครื่องมือคอมพิวเตอร์วิทัศน์สำหรับจดจำป้ายทะเบียนและเซนเซอร์ปิดบังข้อมูลภาพ

Contact for pricing United States
ไปที่เว็บไซต์ ↗

เมื่อต้องรับมือกับภาพจากกล้องวงจรปิดชุดเดียวกัน หน่วยงานบังคับใช้กฎหมายต้องการเห็นป้ายทะเบียนให้ชัดเจน แต่กฎหมายความเป็นส่วนตัวกลับกำหนดให้ต้องเบลอหน้าคนเดินถนน Sighthound ตอบโจทย์ทั้งสองอย่างพร้อมกัน: ด้านหนึ่งคือการจดจำป้ายทะเบียนและยานพาหนะที่มีความแม่นยำสูง อีกด้านหนึ่งคือเครื่องมือแปลงข้อมูลให้เป็นแบบนิรนาม (De-identification) ที่ทำการเซ็นเซอร์ใบหน้าและป้ายทะเบียนโดยอัตโนมัติ

ฟีเจอร์หลักและกรณีการใช้งาน

ผลิตภัณฑ์แบ่งออกเป็น 3 ส่วนหลัก ได้แก่ ALPR+ สำหรับระบบจดจำป้ายทะเบียนรถอัตโนมัติ พร้อมการตรวจจับรถยนต์ ระบุรุ่น ยี่ห้อ สี และการติดตามวัตถุ โดยฐานข้อมูลรถยนต์ครอบคลุมรุ่นตั้งแต่ปี 1991 จนถึงปัจจุบัน และรองรับรูปแบบป้ายทะเบียนจากหลายประเทศ ต่อมาคือ Redactor ซึ่งเป็นซอฟต์แวร์แปลงวิดีโอเป็นข้อมูลนิรนามอัตโนมัติ สามารถลบข้อมูลส่วนบุคคลที่ระบุตัวตนได้ (PII) เช่น ใบหน้าและป้ายทะเบียน เพื่อใช้ในการเปิดเผยข้อมูลต่อสาธารณะหรือก่อนเผยแพร่คดี และส่วนที่สามคือฮาร์ดแวร์ Edge Computing ที่เน้นความทนทานต่อสภาพอากาศและผลิตในสหรัฐอเมริกา สามารถประมวลผลอินเฟอเรนซ์หน้างานได้ทันทีโดยไม่ต้องอัปโหลดภาพไปยังเซิร์ฟเวอร์ระยะไกล บริษัทระบุว่ามีลูกค้าและพาร์ทเนอร์มากกว่า 2,800 ราย รวมถึง Garmin และ Lotus

เหมาะสำหรับหน่วยงานบังคับใช้กฎหมายและจราจร ผู้ให้บริการที่จอดรถและการจัดการกองยานพาหนะ รวมถึงองค์กรที่จำเป็นต้องเผยแพร่ภาพวิดีโอแต่ต้องปฏิบัติตามกฎหมายความเป็นส่วนตัว ความต้องการใช้งานเครื่องมือแปลงข้อมูลอัตโนมัติลักษณะนี้มีสูงมากสำหรับการจัดการข้อมูลภาครัฐ การเผยแพร่ภาพจากกล้องติดรถยนต์ และการตรวจสอบกล้องวงจรปิดในชุมชน ซึ่งมักจะไปละเมิดข้อมูลส่วนบุคคลของบุคคลที่สาม ปัจจุบันส่วนใหญ่ยังต้องอาศัยแรงคนมานั่งเบลอทีละเฟรม หรือเลือกที่จะไม่เผยแพร่เลย ดังนั้น ระบบแปลงข้อมูลนิรนามอัตโนมัติจึงเป็นสิ่งที่ควรให้ความสำคัญก่อนระบบจดจำป้ายทะเบียนเสียอีก

ฟีเจอร์หลัก

  • ALPR+ ระบบจดจำป้ายทะเบียนรถอัตโนมัติและระบุคุณลักษณะยานพาหนะ
  • ระบุยี่ห้อ รุ่น และสีของรถยนต์ (ครอบคลุมตั้งแต่ปี 1991 จนถึงปัจจุบัน)
  • Redactor ระบบอัตโนมัติสำหรับลบข้อมูลส่วนบุคคล เช่น ใบหน้าและป้ายทะเบียน
  • ฮาร์ดแวร์ Edge Computing ประมวลผลอินเฟอเรนซ์ได้ทันทีหน้างาน
  • รองรับการบูรณาการผ่าน API เพื่อฝังลงในระบบเดิม

การใช้งานทั่วไป

  • การจัดการทางเข้า-ออกรถยนต์สำหรับลานจอดรถและชุมชน
  • การจดจำยานพาหนะสำหรับกองยานพาหนะและงานโลจิสติกส์
  • การแปลงข้อมูลภาพให้เป็นนิรนามก่อนเผยแพร่ต่อสาธารณะ
  • การบังคับใช้กฎหมายจราจรและการสืบสวนคดี

ฟีเจอร์เด่น

  • ALPR+ ระบบจดจำป้ายทะเบียนรถอัตโนมัติและระบุคุณลักษณะยานพาหนะ
  • ระบุยี่ห้อ รุ่น และสีของรถยนต์ (ครอบคลุมตั้งแต่ปี 1991 จนถึงปัจจุบัน)
  • Redactor ระบบอัตโนมัติสำหรับลบข้อมูลส่วนบุคคล เช่น ใบหน้าและป้ายทะเบียน
  • ฮาร์ดแวร์ Edge Computing ประมวลผลอินเฟอเรนซ์ได้ทันทีหน้างาน
  • รองรับการบูรณาการผ่าน API เพื่อฝังลงในระบบเดิม

ข้อดี

  • มีความสามารถทั้งด้านการจดจำและการทำให้นิรนาม ครบจบในเทคโนโลยีชุดเดียว
  • ประมวลผลที่ Edge Device ไม่ต้องส่งต่อภาพที่มีความอ่อนไหวออกนอกพื้นที่
  • ฐานลูกค้าและพาร์ทเนอร์ขนาดใหญ่ การันตีความเสถียรและความพร้อมของเทคโนโลยี

ข้อเสีย

  • รูปแบบป้ายทะเบียนส่วนใหญ่เน้นตลาดสากล ป้ายทะเบียนไทยจำเป็นต้องตรวจสอบความรองรับก่อน
  • เน้นกลุ่มนักพัฒนาและ System Integrator มากกว่าเป็นผลิตภัณฑ์สำเร็จรูปพร้อมใช้งานทันที (Out-of-the-box)
  • มีต้นทุนค่าจัดซื้อและติดตั้งฮาร์ดแวร์ Edge เพิ่มเติมต่างหาก

กรณีการใช้งาน

  • การจัดการทางเข้า-ออกรถยนต์สำหรับลานจอดรถและชุมชน
  • การจดจำยานพาหนะสำหรับกองยานพาหนะและงานโลจิสติกส์
  • การแปลงข้อมูลภาพให้เป็นนิรนามก่อนเผยแพร่ต่อสาธารณะ
  • การบังคับใช้กฎหมายจราจรและการสืบสวนคดี

บันทึกบรรณาธิการ

ในมุมมองของผม ตลาดระบบ "เซนเซอร์ภาพอัตโนมัติ (Auto-redaction)" มีขนาดใหญ่กว่าระบบ "จดจำป้ายทะเบียน" มาก เพียงแต่ยังไม่มีใครหยิบยกขึ้นมาทำตลาดอย่างจริงจังในตอนนี้

คำถามที่พบบ่อย

รองรับป้ายทะเบียนไทยหรือไม่?

Sighthound รองรับรูปแบบป้ายทะเบียนจากหลายประเทศ แต่สำหรับป้ายทะเบียนไทยจะอยู่ในรายการที่รองรับสมบูรณ์หรือไม่นั้น จำเป็นต้องสอบถามทางผู้ผลิตโดยตรงและนำภาพจริงมาทดสอบอัตราการความแม่นยำในการอ่าน อย่าเชื่อแค่คำกล่าวอ้างทางการตลาด ควรนำป้ายทะเบียนท้องถิ่นสักร้อยภาพมาทดลองรันดูด้วยตัวเอง

ระบบเซนเซอร์อัตโนมัติมีโอกาสพลาดบ้างไหม?

มี ระบบแปลงข้อมูลนิรนามอัตโนมัติทุกชนิดมีความเสี่ยงที่จะตรวจจับพลาด โดยเฉพาะในภาพความละเอียดต่ำ ด้านข้าง หรือมีสิ่งบดบังบางส่วน วิธีปฏิบัติที่สอดคล้องกับข้อกำหนดคือควรมีเจ้าหน้าที่ตรวจสอบซ้ำอีกครั้งหลังระบบทำงานอัตโนมัติ เพื่อลดภาระงานจาก 100% ให้เหลือสัก 5% ไม่ใช่ปล่อยให้ลดลงเป็น 0%

เครื่องมือ AI ที่เกี่ยวข้อง

繁體中文版 →